Human In The Loop - Part ① 대시보드 설치 시도
개시하다
휴먼 인 더 루프(HITL)는 AI의 판단과 통제에 있어 사람의 조작 등을 통해 이뤄지는 것으로, 품질 관리가 어려운 AI의 사회 실행을 위한 수단 중 하나로 꼽힌다.[참조 1]
이 글에서 HITL의 인상을 잡기 위해 간단한 WEB 앱으로 기계 학습 모형, 감시용 계기판, 검증 도구를 실현하고 싶습니다.(전체 3회 예상)
HITL에서는 실제 데이터와 AI 행동을 동시에 확인할 수 있는 대시보드가 모니터링에 효과적이기 때문에 Part①의 이번 경우 목표 설정, 사용 데이터 안내, 모니터링용 대시보드를 시행한다.
<HITL 설치 디렉토리>>
Part① 대시보드 ← 이번에
Part ② 검증 도구
Part ③ HITL(① 및 ②+ 모델 재학습 메커니즘)
■ 설치 결과
■ 환경
Python 3.7.7
dash 1.16.1
dash-bootstrap-components 0.10.7
dash-core-components 1.12.1
dash-html-components 1.1.1
dash-renderer 1.8.1
dash-table 4.10.1
plotly 4.10.0
Flask 1.1.2
lightgbm 3.0.0
대상 설정
HITL은 임무에 따라 다양한 구조가 있을 수 있지만 이 시리즈는 이상 검출을 바탕으로 하는 구조를 사용한다.
■ WEB 애플리케이션을 통해 다음을 수행합니다.
데이터 활용
Kagle의 Credit Card Fraud Detection 데이터가 실제 설치에 사용됩니다.[참조 2]
이 데이터는 신용카드의 불법 이용을 목적으로 한 불균형 데이터이기 때문에 이상 검출 모델 시험에 자주 사용된다.
원래 데이터에는 PCA의 V1에서 V28까지의 데이터가 포함되어 있습니다.
이번에는 이미지를 포착하는 시위 유람 행위 목적으로 시각화할 때 이해하기 쉽도록 특징량 2변수(V4, V14)를 입력합니다.※
※ V4와 V14만으로도 몇 가지 부정 사용이 검출되는지 사전 확인
시위 행진에서는 이 같은 데이터에 미지의 정상 데이터를 인공적으로 추가한 내용을 감시·검증·재학습했다.인위적으로 제작된 미지의 정상적인 데이터는 극본에서 다음과 같은 요구를 충족시켜야 한다.
① 교사의 모델 오류 검출(오류 판정 이상)
② 검측가능 모델(즉 인위적인 데이터가 원래의 학습 데이터와 현저히 다르다)
③ 재학습을 하더라도 기존 이상 판정이 유지되는 교사 패턴
이상의 내용을 바탕으로 시연용 데이터를 제작하였다.(이하)
(1~8s: 이미 알고 있음(3s시 이상), 9~11s: 알 수 없음 두 번 반복)
기술을 이용하다
설치할 때 사용하는 프레임과 모델을 기록합니다.
■ 시각화 섹션
이루어지다
이하로 나누어 설치하다.
1. 대시보드 ← 이번엔
2. 검증 도구
3. HITL(①와 ②+모델 재학습의 메커니즘)
1. 대시보드
■ 설치 내용
■ 실제 이미지
■ 설치 결과
총결산
이번에 Human In The Loop 모니터링에 사용되는 대시보드가 설치됐다.대시보드를 통해 실제 데이터 정보와 AI 득점을 실시간으로 보여주고, AI가 실제 데이터의 어떤 점에 착안해 판단하면 이해하기 쉬워진다.(이번 자료에 따르면 AI는 V4가 플러스, V14가 마이너스일 때 부정확 판정됨)
대시와 plotly를 사용하면 HTML과 CSS 부분의 인코딩이 비교적 수월함을 느낄 수 있다.가장 중요한 것은 이런 실시간 운행을 쉽게 실현할 수 있는 WEB 앱의 느낌을 반드시 체험해 보세요.
개선점과 문제점이 있으면 메시지를 남겨주세요.
참고 자료
https://note.com/masayamori/n/n2764e3cecc05
https://www.kaggle.com/mlg-ulb/creditcardfraud
https://wimper-1996.hatenablog.com/entry/2019/10/28/dash_machine_learning1
※ 대시의 표 데이터 처리 등을 통해 참고
http://github.com/utmoto
https://dash.plotly.com/
https://plotly.com/
Reference
이 문제에 관하여(Human In The Loop - Part ① 대시보드 설치 시도), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다 https://qiita.com/motonobu_ut/items/f05021b9e885d3770724텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념 (Collection and Share based on the CC Protocol.)